PREGUNTAS DINAMIZADORAS

Comparto a ustedes las 2 preguntas dinamizadoras de esta unidad 3, con el objeto de

que sean respondidas con mucha responsabilidad y seriedad

1. De manera separada diga cuáles son las principales aplicaciones de tres (3 )

variables aleatorias discretas?

Respuesta:

 Ley uniforme.

La ley uniforme definida sobre un conjunto finito es la ley de ``sorteos al azar'' en este

conjunto o equiprobabilidad. Ella asigna la misma probabilidad a todos los

elementos del conjunto, si el cardinal del conjunto es .

 Ley de Bernoulli.

Las variables aleatorias discretas más simples son las indicatrices de eventos. Si es

un evento de probabilidad , la variable aleatoria toma el valor si se realiza y

0 si no. Su ley es la ley de Bernoulli de parámetro .

 Ley binomial.

Se repite el mismo experimento veces en forma independiente y se cuenta el número

de veces que se produce el evento . Se considerará la repetición de
los experimentos como un nuevo experimento global. Como solamente nos interesa
el evento , bastará guardar de la experiencia global una -tupla booleana del tipo:

 Ley,geométrica.

El problema aquí es observar una sucesión de repeticiones independientes de un mismo

experimento. Nos interesa el momento en que se produce el evento por primera vez.

Se asume que la probabilidad de es estrictamente positiva.

Denotemos por el número de orden del experimento en el cual ocurre por primera
vez. Es una variable aleatoria que depende del experimento:

``repetir independientemente hasta que ocurra ''.

El conjunto de los valores posibles para es . Para

todo se tiene:

Ley de Poisson.

Muchas variables aleatorias discretas corresponden a conteos de objetos con una

característica, relativamente rara, dentro de un conjunto grande de objetos: átomos de
un isótopo, moléculas de un elemento químico, bacterias, virus, individuos que poseen
un gen especial... Con frecuencia se emplea una ley de Poisson como modelo para

estos conteos. Una variable aleatorio sigue una ley de Poisson de parámetro si

ella toma sus valores en y si para todo :

 Ley hipergeométrica.

La ley hipergeométrica es la ley de ``captura sin reposición''. En una población de

tamaño , se extrae al azar una muestra (subconjunto) de tamaño . Entre
los individuos de la población hay que están ``marcados'' (poseen una cierta
característica). El número de individuos marcados entre los individuos
seleccionados, sigue la ley hipergeométrica de parámetros , y . La variable

aleatoria toma sus valores en el conjunto , y para

todo :

 Ley binomial negativa.

Esta ley se emplea frecuentemente en los conteos en biología. El modelo de base que
la define puede escribirse todavía en términos de indicatrices de eventos
independientes, como en las leyes binomiales y geométricas. En el transcurso de una
serie de experimentos aleatorios independientes, observemos un evento de

probabilidad . Denotemos por el número de observaciones de antes de la -

ésima observación de . Entonces sigue la ley binomial negativa de

parámetros y , denotada por . El conjunto de los valores que toma

es y para todo :

2. De manera separada diga cuáles son las principales aplicaciones de tres (3)
variables aleatorias continuas y por qué?

Respuesta

 Distribución Uniforme

La función de densidad de probabilidad de la distribución uniforme continua es: Los valores

en los dos extremos a y b no son por lo general importantes porque no afectan el valor de las
integrales de f(x) dx sobre el intervalo, ni de x f(x) dx o expresiones similares.

En teoría de probabilidad y estadística, la distribución uniforme continua es una familia de

distribuciones de probabilidad para variables aleatorias continuas, tales que para cada
miembro de la familia, todos los intervalos de igual longitud en la distribución en su rango
son igualmente probables. El dominio está definido por dos parámetros, a y b, que son sus
valores mínimo y máximo. La distribución es a menudo escrita en forma abreviada como
U(a,b).

 b) Distribución Normal

La distribución normal es una distribución con forma de campana donde las desviaciones
estándar sucesivas con respecto a la media establecen valores de referencia para estimar el
porcentaje de observaciones de los datos. Estos valores de referencia son la base de muchas
pruebas de hipótesis, como las pruebas Z y t.
  Distribución Exponencial

A pesar de la sencillez analítica de sus funciones de definición, la distribución

exponencial tiene una gran utilidad práctica ya que podemos considerarla como un
modelo adecuado para la distribución de probabilidad del tiempo de espera entre dos
hechos que sigan un proceso de Poisson. Por otro lado existe una relación entre el
parámetro a de la distribución exponencial, que más tarde aparecerá, y el parámetro
de intensidad del proceso l, esta relación es a = l Al ser un modelo adecuado para estas
situaciones tiene una gran utilidad en los siguientes casos:

· Distribución del tiempo de espera entre sucesos de un proceso de Poisson

· Distribución del tiempo que transcurre hasta que se produce un fallo, si se cumple
la condición que la probabilidad de producirse un fallo en un i nstante no depende del
tiempo transcurrido .Aplicaciones en fiabilidad y teoría de la supervivencia.